一种短期电力负荷预测的方法与流程

本发明涉及电力系统领域，尤其涉及一种短期电力负荷预测的方法。

背景技术：

1、电力负荷预测是电力系统运行管理的重要环节，对于电力系统的稳定运行、电力资源的合理配置以及电力市场的运营具有重要意义。然而，短期电力负荷预测受到多种因素的影响，如气候、温度、节假日等，具有很强的随机性和不确定性。因此，寻求一种准确、高效的短期电力负荷预测方法一直是电力系统领域的研究热点。然而，目前现有的预测方法容易陷入对历史数据运用的不够充分或是对天气数据降维效果不佳。

2、因此，如何提供一种短期电力负荷预测的方法，为实现准确、高效的短期电力负荷预测提供重要的方法支撑，满足当前短期电力负荷预测受到不确定性因素的影响的设计要求，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种短期电力负荷预测的方法，可以解决现有技术中存在的难题。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种短期电力负荷预测的方法，包括以下步骤：

4、s1、获取原始电力负荷数据；

5、s2、对原始电力负荷数据进行预处理，得到预处理后的原始电力负荷数据；

6、s3、对预处理后的电力负荷数据采用kpca进行特征提取，得到特征提取后的电力负荷数据；

7、s4、对特征提取后的电力负荷数据采用kmeans进行聚类分析，得到聚类分析后的电力负荷数据；

8、s5、构建bigru预测模型；

9、s6、利用聚类分析后的电力负荷数据对bigru预测模型进行训练，得到训练好的bigru预测模型；

10、s7、利用训练好的bigru预测模型对短期电力负荷进行预测。

11、上述的方法，可选的，s2中的预处理包括清洗、整理和标准化处理。

12、上述的方法，可选的，s3中特征提取，将预处理后的电力负荷数据通过核主成分分析，将高维数据降维成低维数据，通过非线性函数将初始数据映射到高维空间g中，降低其非线性，再对高维空间g中的数据其进行pca处理。

13、上述的方法，可选的，s4中聚类分析，将特征提取后的电力负荷数据通过kmeans算法进行聚类分析，将相似的数据点归为一类，为bigru预测模型提供输入。

14、上述的方法，可选的，在开始聚类之前需要随机选取k个点作为初始聚类中心点，通过计算每个样本与初始中心点的曼哈顿距离，将样本分配到距离最近的中心点所属的类别中，然后对当前类别中的所有数据点的值取平均值作为新的聚类中心点，再次分别计算样本到新聚类中心点的距离，并重新按照最短距离进行类别划分，曼哈顿距离公式为：

15、d(p,q＝|xi-xj|+|yi-yj|

16、其中，p(xi,yi)与q(xi,yj)分别表示中心点与样本点的坐标，i和j均为正整数。

17、上述的方法，可选的，s5构建的bigru预测模型的层数及神经元个数分别为1、64，epoch，学习率分别设为100、0.01。

18、上述的方法，可选的，s6的具体内容为：将聚类分析后的电力负荷数据按照预设比例分为训练集、验证集及测试集，训练机作为输入对bigru预测模型进行训练，采用adam优化算法进行优化，输入验证集和测试集进行电力负荷的预测和验证，得到训练好的bigru预测模型。

19、上述的方法，可选的，训练集：验证集：测试集＝8:1:1。

20、上述的方法，可选的，s7的具体内容为：根据天气预报获取到的实时天气信息数据，将实时天气信息数据输入到训练好的bigru预测模型中，对m小时内以预设时间段为间隔的短期电力负荷进行预测。

21、上述的方法，可选的，m为12、24或48。

22、经由上述的技术方案可知，与现有技术相比，本发明提供了一种短期电力负荷预测的方法，具有以下有益效果：本发明提高了预测准确性：通过采用kpca进行特征提取和kmeans进行聚类分析，该方法能够更有效地捕捉电力负荷数据中的特征和模式，从而提高了预测模型的准确性。本发明考虑多因素影响，通过引入预处理步骤和聚类分析，方法考虑了多种影响电力负荷的因素，如天气等，使预测模型更全面地考虑了负荷变化的复杂性。本发明引入了bigru预测模型：构建了具有双向门控循环单元结构的bigru预测模型，相比传统模型，能更好地捕捉序列数据中的长期和短期依赖关系，从而提高了预测模型的性能。本发明的优化训练过程中采用adam优化算法和合理的训练集、验证集、测试集划分，对bigru预测模型进行有效训练，进一步提高了模型的泛化能力。

技术特征：

1.一种短期电力负荷预测的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

3.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

4.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

5.根据权利要求4所述的一种短期电力负荷预测的方法，其特征在于，

6.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

7.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

8.根据权利要求7所述的一种短期电力负荷预测的方法，其特征在于，

9.根据权利要求1所述的一种短期电力负荷预测的方法，其特征在于，

10.根据权利要求9所述的一种短期电力负荷预测的方法，其特征在于，

技术总结
本发明公开了一种短期电力负荷预测的方法，涉及电力系统领域。包括：获取原始电力负荷数据；对原始电力负荷数据进行预处理，得到预处理后的原始电力负荷数据；对预处理后的电力负荷数据采用KPCA进行特征提取，得到特征提取后的电力负荷数据；对特征提取后的电力负荷数据采用Kmeans进行聚类分析，得到聚类分析后的电力负荷数据；构建BiGRU预测模型；利用聚类分析后的电力负荷数据对BiGRU预测模型进行训练，得到训练好的BiGRU预测模型；利用训练好的BiGRU预测模型对短期电力负荷进行预测。本发明有助于提高短期电力负荷预测的精度和泛化能力。

技术研发人员：郑强仁,张硕,肖阶平,张晓华,何厚道,贺同龙,刘博龙,侯望,尹攀,王晖
受保护的技术使用者：国网吉林省电力有限公司延边供电公司
技术研发日：
技术公布日：2024/3/24